中國宏觀金融穩定性指數的構建：基于動態組合證券理論（DPT）的實證分析

摘 要：本文在借鑒國內外文獻構建金融穩定性指數的基礎上，將宏觀經濟加入到構建穩定性指數系統中，并將其劃分為金融市場、資本流動性、宏觀經濟系統等3個子系統。因各系統之間又存在時間上的序列相關性，本文運用最優動態組合證券理論（DPT）將3個子系統合成一個綜合的宏觀金融穩定性指數（MFSI），并利用2000—2010年的15個指標的月度數據進行實證研究，以此反映中國的金融穩定狀況。

關鍵詞：宏觀金融穩定性指數；動態組合證券理論；對角BEKK模型；熵權法

中圖分類號：F832 文獻標識碼：A 文章編號：1003-9031（2014）02-0004-05 DOI：10.3969/j.issn.1003-9031.2014.02.01

金融的穩定性以及建設穩定的金融體系問題，已經引起政府、金融機構、國際組織和研究者的關注。對于金融穩定性內涵的理解，國內外并沒有形成一致的認識，早期的研究視角主要集中在金融體系基本要素的正常運行和關鍵功能的正常發揮，最新研究的理解則從更廣義的角度入手賦予了金融穩定性非常豐富的內涵。金融穩定性是一個國家的整個金融體系沒有出現較大的波動，而金融作為資金媒介功能得到有效發揮，金融業本身也能保持穩定、有序、協調發展，但這并不代表任何金融機構都不會倒閉。

一、文獻綜述

從國外文獻來看，西方學者主要從金融穩定的反面，即“金融不穩定”、“金融脆弱”等方面來展開對金融穩定及其重要性的分析。Illing and Liu（2006）利用單個壓力指標與代表經濟總效用的指標的絕對值進行賦權構造了加拿大每天的金融壓力指數（FSI）[1]。Nelson and Perli（20

07）利用主成分分析法構建了3個因子，并且利用3個因子作為解釋變量，和一個已知的二項危機指數作為被解釋變量進行logit模型，得出適合的概率作為金融脆弱性指標（FFI）[2]。歐洲中央銀行（2009a）通過對數標準轉化和等方差加權法形成了全球金融脆弱性指數（GIFT）[3]。Blix Grimaldi（2010）基于16個金融市場變量進行主成分分析，然后得到兩個因子，利用logit模型構建金融壓力指數（FSI）[4]。Caldarelli， Elekdag and Lall（2011）運用等方差加權法對17個指標合成了一個金融壓力指數[5]。Lo Duca and Peltonen（2011）通過算數平均法和經驗累積分布函數的四分位數轉換為10個先進的和18個新興的經濟體構建了金融穩健性指數（FSI）[6]。

從國內文獻來看，隨著國際金融危機的影響，金融脆弱性越來越受到國內學者的關注，而且從各方面對金融穩定性進行研究也逐漸展開。王明華等（2005）以宏觀成本控制作為理論依據構建了關于銀行的金融穩定性的評價指標體系[7]。萬曉莉（2008）利用銀行穩健性指數作為代理變量測度了中國金融的穩定性情況[8]。中國人民銀行金融穩定分析小組（2008）從宏觀經濟運行環境、金融機構發展狀況、金融基礎設施建設情況以及金融風險管理四個方面對2008 年我國的金融穩定性進行了評估[9]。霍德明和劉思甸（2009）在參考歐洲中央銀行宏觀審慎指數基礎上，構造了宏觀金融穩定性評估指標體系[10]。王雪峰（2010）采用狀態空間模型確定指標權重， 構造了中國金融穩定狀態指數，來反映我國金融穩定狀況[11]。惠康等（2010）將金融穩定性歸納為金融體系基本要素平穩運行和具有抵抗巨大沖擊的能力兩個維度， 在此基礎上構建了一個金融穩定指數[12]。何德旭等（2011）將金融穩定性歸納為金融機構、金融市場、外匯風險三部分，在此基礎上構建了一個金融穩定指數[13]。

金融穩定的復雜性使得金融穩定不能由單一的指標表示，因此針對合成指數的構建，指標的合成方法也不同。從國外文獻來看，不同的作者，合成方法也會有一定的變化。常用的方法一般分為等方差加權法，即采用標準化變量的均值、因子分析（主成分分析法）[14-17]。從國內文獻來看，等方差加權法、因子分析法等已經廣泛運用于金融穩定性的合成當中。霍德明、劉思甸（2009）運用因子分析法合成宏觀金融穩定性指數；何德旭（2011）利用主成分分析法合成金融穩定指數；惠康等（2010）也運用主成分分析法合成了指標；王雪峰（2010）運用狀態空間模型進行指標的合成。

目前國內關于金融穩定的研究，只有少數學者對于金融穩定狀況進行了數量分析。如劉錫良（2004）和王雪峰（2006）等運用因子分析方法對中國的金融安全狀況進行了定量評估。蔣海等（2009）運用主觀賦值和主成分分析相結合的定量方法對中國金融安全指數進行了估算。即便是中國人民銀行發布的《金融穩定報告》也只有簡單的統計分析，缺乏較為嚴密的數量分析。有鑒于此，本文運用動態組合證券理論來構建反映中國金融狀況的MFSI指數，旨在對金融穩定狀況方面能夠起到一定的評價作用。

二、研究方法與模型

（一）動態組合證券理論（DPT）

美國諾貝爾經濟學家馬考維茨（Markowitz）1952年首次提出投資組合理論（Portfolio Theory），并進行了系統、深入和卓有成效的研究。Markowitz 的組合投資理論開創了對金融風險進行定量測度與防范的先河，是后續許多其它理論研究的基礎。楊德全（1997）指出動態組合證券投資問題在美國等發達國家受到了理論研究和實際應用兩方面的重大關注[18]。

其中，國外學者Dimitrios P. Louzis .Angelos T. Vouldis

（2012）等將其運用到金融壓力指數的構建當中，并且構建了希臘的金融壓力指數，對于希臘債券危機的原因分析起到一定作用，但是在國內對于利用組合證券投資理論的較少[19]。

組合證券理論顯示相關程度越高的證券組合，組合證券隨著各證券穩定性的增強而逐漸增強；反之若相關程度較低，則各證券穩定性會降低總證券組合穩定性。本文是利用組合投資的思想，引入時間序列相關性，以此構建一個綜合指數，試圖反映我國的金融穩定性。模型如下：

MFSI=■（1）

其中，A=（CMS，FMOS，MES），A矩陣為三市場組成的時間序列矩陣。Ct矩陣為3×3的時間序列相關性矩陣，形式如下：

C=1 ？籽12，t ？籽13，t0 1 ？籽23，t0 0 1（2）

其中，？籽12，t表示t時刻CMS 和FMOS兩系統之間的相關系數，？籽13，t表示t時刻CMS和MES兩系統之間的相關系數，？籽23，t表示FMOS和MES兩系統之間的相關系數。

（二）對角BEKK模型

對于動態的時間序列相關性，國內外經常使用的是由Engle and Kroner （1995）提出的MGARCH模型[20]。由Bollerslevet al（1988）可知，BEKK模型相比于其他的多元GARCH模型來說是相對簡單的。對角BEKK模型即把參數矩陣定義為對角矩陣，然后進行計算[21]。即：

A=a11 a22 a33 B=b11 b22 b33（3）

它能夠保證矩陣的正定性，并且使得估計系數較少。

而一般的BEKK（p，q，K）-GARCH模型為：

Ht=C*C'+■■A'kiSt-iS't-iAki+■■B'kjHt-1Bkj（4）

其中，C 是n×n的下三角矩陣，Aki、Bkj是n×n參數矩陣，p、q是滯后階數。

對于三元對角BEKK-GARCH模型可表示為：

h11，t h12，t h13，t h21，t h22，t h23，t h31，t h32，t h33，t =c11 c22 c33 c11 c22 c33+

a11 a22 a33 ？著211，t-1 ？著1，t-1？著2，t-1 ？著1，t-1？著3，t-1？著2，t-1？著1，t-1 ？著22，t-1 ？著2，t-1？著3，t-1？著3，t-1？著1，t-1 ？著3，t-1？著2，t-1 ？著23，t-1 a11 a22 a33

？茁11 ？茁22 ？茁33 h11，t-1 h12，t-1 h13，t-1h21，t-1 h22，t-1 h23，t-1h31，t-1 h32，t-1 h33，t-1 ？茁11 ？茁22 ？茁33（5）

條件方差和條件協方差矩陣的分開形式為：

h11，t=c211+a211？著21，t-1+？茁211h11，t-1（6）

h22，t=c221+c222+a222？著22，t-1+？茁222h22，t-1 （7）

h33，t=c231+c232+c232+a233？著23，t-1+？茁233h33，t-1 （8）

h12，t=c11c22+a11a22？著1，t-1？著2，t-1+？茁11？茁22h12，t-1 （9）

h23，t=c22c33+c21c31+a33a22？著1，t-1？著2，t-1？著3，t-1+？茁33？茁22h23，t-1 （10）

h13，t=c11c33+a11a33？著1，t-1？著3，t-1+？茁11？茁33h13，t-1 （11）

其中，h12，t、h22，t、h33，t表示系統1、2、3的條件方差，h12，t、h13，t、h23，t表示兩兩系統之間的條件協方差。

由上面的公式可以得出兩兩系統之間的相關系數

？籽12，t=■（12）

？籽13，t=■（13）

？籽23，t=■（14）

由以上的三元BEKK-GARCH模型可以得到三個系統的時間序列相關性，并可用曲線直觀表示出來。

（三）熵權法

對于宏觀金融穩定指數指標權重的計算方法，本文將利用信息熵理論進行深入研究，信息熵理論已經廣泛應用于工程、經濟金融等，且形成了比較完整的一套思路。國內外的文獻表明熵權法和主成分分析法的主要區別在于熵權法保證了變量的完整性，使得變量不會缺失。

熵權法，是指通過熵理論對項目的決策或者多個目標的決策進行賦權，是運用熵理論衍生出來的一種衡量研究對象重要性程度的方法。依據信息論的觀點，衡量某一指標在指標體系中的作用是以指標相對于標準指標的變異程度作為基準，該指標的信息量就越大，其影響作用也就越大。從中得到的熵值可以測度信息量的大小，熵的減少代表信息量的增加，由此反應的金融穩定性指數包含了所有的指標，使得各系統確定了完整性，這也是本文采用熵權法對指標進行賦權的主要原因。

三、實證結果與分析

（一）樣本數據的選取

本文選取表1中各指標2000年1月至2010年12月的數據，數據來源于中國經濟金融數據庫（CCER數據庫）、中國經濟信息網宏觀月度庫、中國統計數據應用支持系統、中國人民銀行網站。由于幾個指標的數據來源難以獲得，本文用EVIEWS軟件插值法進行補充得到完整的序列數據。各指標均采取增長率的形式，以保持數據的平穩性。

Hyman P minsky從金融不穩定的角度闡釋了收入-債務關系，而在這中間起關鍵作用的是銀行，也同時反映了信貸增長率、不良貸款和短期資產負債比率對金融穩定的重要性[22]。Charles Goodhart和Boris Hofmann（2001）等研究表明，股票等金融資產的價格和房地產資產的價格變化能夠通過資產負債效應和財富效應，在金融系統的運行、消費、投資乃至總需求中起著重要的作用[23-24]。因此，應把股價指數和房地產資產價格包涵在MFSI指數。同時，本文借鑒國際貨幣基金組織的金融穩健指標體系，選取M2/GDP比率作為反映流動性情況的主要指標之一，這一指標值的上升可以為金融機構和金融市場保持充裕流動性創造條件，但是該比重過大可能會引起通貨膨脹，從而對金融穩定性造成不利影響。另外，本文借鑒國IMF（2004）[24]、Adam（2008）[25]、Miguel（2010）[26]等指標體系，選擇金融企業流動負債/流動資產來表示金融機構的償債能力（見表1）。

其中，正指標表示該基礎指標越大，對于金融穩定性起到促進作用，使得金融穩定性指數越高；反之，逆指標表示該基礎指標越大，對于金融穩定性起到抑制作用，使得金融穩定性指數越低。

（二）MFSI的三個子系統的確定

運用matlab軟件，利用熵權法可得到三個子系統的權重（見表2）。

（三）依據計量經濟學的對角BEKK-GARCH模型可以得到時間序列相關性估計的結果（見圖1）

從圖1可以看出，CMS和FMOS兩者之間一直在0與-0.01之間變動，說明兩者之間的相關性隨著時間的變化，沒有出現大的變動。FMOS和MES之間在97點之前在0周圍上下小幅波動，在97點之后就出現了較大幅度的變動。CMS和MES之間則從一開始就表現了比較大的波動，而且是在0.02的周圍較大幅度的波動。

（四）中國宏觀金融穩定性指數的度量結果

由動態組合證券理論可得到中國宏觀金融穩定性指數（見圖2）。

從整體來看，2000—2010年MFSI指數呈現穩步增長，中國的宏觀金融穩定性呈現良好態勢。

分時期來看，2000—2006年中期，宏觀金融穩定指數MFSI呈波動上升趨勢，我國的金融穩定性逐漸提高。究其原因，發現該時期金融市場、宏觀經濟子系統都是呈上升趨勢，唯有資本流動性市場出現了波動性，并在2002年中期到2003年末出現了一定幅度的下降，這也就導致了MFSI在這段時間的波動性。但從整體來說，在這段時間，無論宏觀經濟系統還是金融市場系統整體都是上升的，這也使得拉動上升力超過了資本流動性的下降力，從而使得宏觀金融穩定性指數提高。

2006年末到2007年中期，宏觀金融穩定性指數MFSI是下降的。這段時期資本流動性下降，宏觀經濟系統也呈現下降趨勢，而金融市場操作系統呈現上升趨勢。在2006年初，中國的GDP達到了9%，且CPI也在2%以上，人們開始大量投資金融市場，這也就導致了金融市場的上升。但此時宏觀經濟下降的勢頭超過了金融市場操作上升的勢頭，因此宏觀金融穩定性指數還是下降的。

2007年末到2008年末，宏觀金融穩定性指數呈現下降趨勢。宏觀經濟下降的趨勢主要是2007年宏觀經濟政策的調控力度較大，10次上調存款準備金率，6次上調金融機構人民幣存貸款基準利率，造成金融穩健性下降。

2009年初到2010年初，宏觀金融穩定性指數先是呈現上升趨勢然后又回落。由此表明，我國此時金融穩定性出現了反彈，然后又下降了。總體來看，2009年是我國金融穩定性較好的時期，主要是在政府積極的財政政策和適度寬松的貨幣政策的救助下，宏觀經濟系統和金融市場操作系統都出現了上升的趨勢，同時拉動MFSI指數上升。但在后期，隨著政府救助的減弱，三個子系統又同時出現了下降趨勢，MFSI指數也下降。

2010年，MFSI基本呈現下降趨勢。2010年以來，由于4萬億經濟刺激計劃，大量信貸的投放使得我國金融體系的穩定性水平呈下降趨勢；同時美歐日相繼出臺新一輪量化寬松貨幣政策，全球貨幣條件總體相當寬松，大量資金流入經濟增長較快的新興經濟體，因此，2010年我國物價指數持續上升，通貨膨脹壓力加大，從而導致宏觀經濟和資本流動性穩健性下降，同時金融市場操作穩健性還沒有完全恢復，又受到了一定程度的影響，也使得穩健性降低，由此導致MFSI指數下降。

四、結論

本文運用熵權法和對角BEKK模型相結合的動態組合證券理論構建的MFSI指數，在一定程度上度量了中國的宏觀金融穩定狀況，并對我國的金融穩定性進行了分析，說明了三個系統對于宏觀金融穩定性指數的影響，克服了傳統對指標賦權的靜態化，并且說明動態組合證券理論不僅適用于外國的金融壓力指數而且適用于中國的金融穩健性狀況，同時證明了宏觀經濟對金融穩定性的影響。

但是在實際運用過程中也存在一些需要進一步深入與改進的地方，在應用GARCH模型進行動態時間序列相關估計時，是使用的要求估計量最小的對角BEKK-GARCH模型，并且殘差假定服從正態分布，這樣使得方法不能滿足一般性，因此還需要其他的GARCH模型來更精確的描述。■

（責任編輯：張恩娟）

參考文獻：

[1]Illing， and Liu.Measuring Financial Stress in a Developed Country： an Application to Canada[R]. Journal of Financial Stability， Vol. 2， No. 4， pp. 2006：243-265.

[2]Nelson， W.R.， Perli， R..Selected indicators of financial stability[R].Irving Fisher Committee's Bulletin on Central Bank Statistics 23，2007：92-105.

[3]歐洲中央銀行， 2009a. The concept of systemic risk. ECB Financial Stability Review[R].December 2009.

[4]Blix Grimaldi .Detecting and interpreting financial

stress in the euro area[R].ECB，2010.

[5]Caldarelli， R.， Elekdag， S.， Lall， S.. Financial stress， downturns and recoveries[Z]. IMFWorking Paper， 2009.

[6]Marco Lo Duca . Tuomas A. Peltonen .Macro-financial vulnerabilities and future financial stress-Assessing systemic risks and predicting systemic events[R].European Central Bank （ECB），2011.

[7]王明華，黎志成.金融穩定評估指標體系： 銀行穩定的宏觀成本控制研究[J].中國軟科學，2005（9）.

[8]萬曉莉.中國1987—2006 年金融體系脆弱性的判斷與測度[J].金融研究，2008（6）.

[9]中國人民銀行金融穩定分析小組. 中國金融穩定報告（ 2008） [M]. 北京： 中國金融出版社，2008.

[10]霍德明，劉思甸.中國宏觀金融穩定性指標體系研究[J].山西財經大學學報，2009（10）.

[11]王雪峰.中國金融穩定狀態指數的構建— 基于狀態空間模型分析[J].當代財經，2010（5）.

[12]惠康，任保平，鈔小靜.中國金融穩定性的測度[J].經濟經緯，2010（1）.

[13]何德旭，婁 峰.中國金融穩定指數的構建及測度分析[J].中國社會科學院研究生院學報，2011（7）.

[14]Charles Goodhart and Boris Hofmann. Asset prices，

Financial Conditions and the Transmission of Monetary Policy [C].Paper presented for the conference on Asset Prices， Exchange Rates， and Monetary Policy， Stanford University，2001.

[15]Hanschel， E.， Monnin， P. Measuring and forecasting stress in the banking sector：evidence from Switzerland[D].BIS Working Paper NO.22，2005.

[16]Miguel A. M. A Financial Stability Index f or Colombia[J].Ann Finance， 2010（6）.

[17]Hatzious， J.， Hooper， P.， Mishkin， F.， Schoenholtz， K.L.， Watson， M.W. Financial conditions indexes： a fresh look after the financial crisis[D]. NBER Working Paper Series， No. w16150， 2010.

[18]楊德全，劉陽平，胡運權.動態組合證券投資理論評述[J].金融理論與教學，1997（2）.

[19]Dimitrios P. Louzis， Angelos T. Vouldis A methodology for constructing a financial systemic stress index： An application to Greece[J]. Economic Modelling， 2012.

[20]Engle and Kroner. Dynamic Conditional Correlation：

A Simple Class of Multivariate Generalized Autoregressive Conditional Heteroskedasticity Models，1995.

[21]Bollerslevet al.A capital-Asset Pricing Model with Time-varying Covariances[J]. Journal of Political Economy，1988，96（1）：116～131.

[22]Hyman P.Minsky. Financial Instability Hypothesis[M]. The Jerome Levy Economics Institute， Working Paper ，1992.

[23]IMF.金融穩健指標編制指南[M].北京：中國金融出版社，2006.

[24]Adam， Financial Stability Indicators ： Advantages and Disadvantages of Their Use in the Ass- essment of Financial System Stability[J]. Prague Economic papers， 2008 （2）.